Nevralt nettverksmodell gir innsikt i autismespekterforstyrrelser

En gruppe forskere ved Tohoku University har brukt en nevralt nettverksmodell som reproduserer hjernen på en datamaskin for å få innsikt i hvorfor personer med autismespekterforstyrrelser har vanskeligheter med å tolke ansiktsuttrykk.

Forskningen ble publisert i tidsskriftet Scientific Reports den 26. juli 2021. 

Gjenkjenning av forskjellige emosjoner

Yuta Takahashi er medforfatter av artikkelen.

“Mennesker gjenkjenner forskjellige emosjoner, som sorg og sinne, ved å se på ansiktsuttrykk. Likevel vet vi lite om hvordan vi kommer til å gjenkjenne forskjellige emosjoner basert på visuell informasjon fra ansiktsuttrykk,” sa Takahashi.

“Det er også ikke klart hva som skjer i denne prosessen som fører til at personer med autismespekterforstyrrelser har vanskeligheter med å lese ansiktsuttrykk,” fortsatte Takahashi.

Prediktiv prosesseringsteori

Forskningsgruppen baserte seg på prediktiv prosesseringsteori, som sier at hjernen konstant predikerer det neste sansestimuluset. Når prediksjonen er feil, tilpasser hjernen seg, og sanseinformasjon som ansiktsuttrykk hjelper til å redusere prediksjonsfeil. 

Den kunstige nevralt nettverksmodellen som ble utviklet av teamet bruker prediktiv prosesseringsteori, og den var i stand til å reprodusere utviklingsprosessen. Den gjorde dette ved å trene seg selv til å predikere hvordan deler av ansiktet ville bevege seg i videoer av ansiktsuttrykk. 

Neste skritt var å selvorganisere kluster av emosjoner i nevralt nettverksmodellens høyere nivå neuronrom. Samtidig visste modellen ikke hvilken emosjon ansiktsuttrykket i videoen motsvarte.

Modellen var også i stand til å generalisere ukjente ansiktsuttrykk som ikke var gitt i treningen, samt reprodusere bevegelser av ansiktsdelene mens den minimerte prediksjonsfeil. 

Bilde: Yuta Takahashi, et al

Forskningsgruppen induserte deretter abnormaliteter i nevronenes aktivitet under eksperimentene, som hjalp til å gi innsikt i effektene på læring og kognitive egenskaper. Eksperimentene viste at generaliseringsEvnen ble redusert i modellen hvor heterogenitet av aktivitet i nevronpopulasjonen ble redusert. Dette antydet at dannelsen av emosjonskluster i høyere nivå nevroner ble hemmet, og det ledet til at nevralt nettverksmodellen hadde en tendens til å feile i å identifisere emosjonen av ukjente ansiktsuttrykk, som også er et symptom på autismespekterforstyrrelser.

Takahashi sier at studien antyder at prediktiv prosesseringsteori kan forklare gjenkjenning av emosjoner fra ansiktsuttrykk ved hjelp av en nevralt nettverksmodell.

“Vi håper å videreutvikle vår forståelse av prosessen ved hvilken mennesker lærer å gjenkjenne emosjoner og de kognitive egenskapene til personer med autismespekterforstyrrelser,” sa Takahashi. “Studien vil hjelpe til å utvikle egnet intervensjonsmetoder for personer som har vanskeligheter med å identifisere emosjoner.”